一种齿轮早期故障检测方法
【技术领域】
[0001] 本发明涉及旋转机械状态监测与故障诊断领域，具体涉及一种齿轮早期故障检测 方法。
【背景技术】
[0002] 齿轮是旋转机械的关键部件之一，在工业生产中得到了广泛应用，它的运行状况 不仅影响其自身的运转，而且还会对相关的机械设备产生直接的影响。如果齿轮出现故障， 轻则会影响机械设备的正常运行，重则会造成重大的经济损失，甚至出现毁机事故和人员 伤亡。如果在齿轮的运行过程中，人们能够借助故障诊断技术及时发现潜在的故障隐患并 进行有效的处理，那么不但能够有效地保证机械设备的安全运行，而且能够避免重大事故 的发生。因此，加强对齿轮早期故障检测和诊断技术的研究具有重要的理论价值和工程应 用价值。
[0003] 齿轮箱通常具有复杂的结构，其故障信号不但包含着大量的噪声，而且通常具有 非平稳和非线性特征。在这种情况下，传统的基于平稳性假设和线性理论的时域统计参数、 相关分析、谱分析和时序模型等机械故障诊断方法难以满足实际工程的要求。在最近几十 年，短时傅里叶变换、魏格纳分布、小波变换、经验模式分解、循环平稳分析、局部均值分解 和本征时间尺度分解等非平稳信号分析方法在机械故障特征提取和诊断中得到了广泛的 应用。然而，上述方法主要用于解决故障特征比较明显时的机械故障诊断问题，没有涉及齿 轮的早期故障检测和诊断问题。当齿轮故障处于早期阶段时，由于故障特征非常微弱，故障 特征参数的提取非常困难，因此齿轮的早期故障检测和诊断是一个难题。
[0004] 目前国内外学者已经针对这个问题开展了一些研究，相继利用自适应随机共振方 法、循环平稳分析方法、小波变换、信号稀疏分解方法和独立分量分析进行旋转机械的早期 故障诊断。然而，上述方法总体上缺乏对旋转机械故障动态发展过程的分析，没有提出相应 的旋转机械状态评估准则，没有建立可行的状态监测方法。鉴于现有技术的缺陷，有必要提 出一种新的方法来解决齿轮的早期故障检测和诊断问题。
【发明内容】
[0005] 本发明的目的在于克服现有技术的缺陷，提出一种齿轮早期故障检测方法。该方 法以齿轮故障数据差分序列的波动参数作为故障特征参数，建立齿轮的"故障状态线"，然 后通过考察齿轮的状态点与该"故障状态线"的相对位置来评估齿轮箱的运行状态。为了 实现上述目的，本发明的技术方案如下。
[0006] 首先利用加速度传感器测取齿轮在正常状态和各种典型故障状态下的振动信号 X (/?)〇
[0007] 对原始信号X (/7)进行差分运算，得到原始信号X (/7)的差分序列A X (/7)。
[0008] Ax(i?)= ,i?=l,N~l〇
[0009] 利用去趋势波动分析（DFA)算法计算差分序列Ax(/7)的波动函数尸Cs)。
[0010] 提取每种故障状态所对应的对数波动函数InPCs)]的最小值和最大值，将这两 个参数作为原始信号X(〃）的特征参数。
[0011] 将对数波动函数InRCs)]的最小值和最大值分别作为横纵坐标作图。
[0012] 采用最小二乘法将故障状态所对应的数据点拟合为一条直线，该直线被称为"故 障状态线"。
[0013] 以一定的置信水平（1-a)为"故障状态线"估计一个置信区间。
[0014] 随着齿轮运行状态的恶化，数据点逐渐靠近上述建立的置信区间，当数据点进入 到置信区间时，可以认为该齿轮以一定的概率出现了故障并发出故障预警，这时要对齿轮 的运行状态进行详细分析，必要时需要停机检修。
[0015] 本发明的核心是提取齿轮故障数据差分序列的波动函数对数值的最小值和最大 值，然后将故障状态所对应的数据点拟合为一条"故障状态线"，接着以一定的置信水平 (1_〃）为"故障状态线"估计一个置信区间，当齿轮运行状态逐渐恶化时，其所对应的数据 点会逐渐靠近这个置信区间，当数据点进入这个置信区间时，可以认为该齿轮以一定的概 率出现了故障并发出故障预警，这时要对齿轮箱的运行状态进行详细分析，必要时需要停 机检修。
【附图说明】
[0016] 图1为本发明的流程图。
[0017] 图2为"故障状态线"形成的仿真图。
[0018] 图3为实例1四种齿轮振动信号图，（ar(d)分别代表正常、轻度磨损、中度磨损 和断齿振动信号。
[0019] 图4为实例1齿轮状态监测过程图，上三角、下三角和左三角分别代表所添加噪声 的幅值是正常状态信号幅值标准差的〇. 2、0. 5和0. 8倍。
[0020] 图5为实例2四种齿轮振动信号图，（ar(d)分别代表正常、轻度划痕、中度划痕 和重度划痕信号。
[0021] 图6为实例2齿轮状态监测过程图，上三角、下三角和左三角分别代表所添加噪声 的幅值是正常状态信号幅值标准差的〇. 2、0. 5和0. 8倍。
【具体实施方式】
[0022] 采集齿轮在各种运行状态下的振动信号X(/7)。
[0023] 对原始信号X(/7)进行差分运算，得到原始信号X(/7)的差分序列AX(/7)。
[0024] Ax(i?)= ,i?=l,N~l〇
[0025] 利用去趋势波动分析（DFA)算法计算差分序列Ax(/7)的波动函数尸Cs)。
[0026] 提取每种故障状态所对应的对数波动函数InRCs)]的最小值和最大值，将这两 个参数作为原始信号X(〃）的故障特征参数。
[0027] 将对数波动函数In[尸Cs)]的最小值和最大值分别作为横纵坐标作图。
[0028] 采用最小二乘法将故障状态所对应的数据点拟合为一条直线，该直线被称为"故 障状态线"。
[0029] 以一定的置信水平（1-a)为"故障状态线"估计一个置信区间。
[0030] 随着齿轮运行状态的恶化，数据点逐渐靠近上述建立的置信区间，当数据点进入 到置信区间时，可以认为该齿轮以一定的概率出现了故障并发出故障预警，这时要对齿轮 的运行状态进行详细分析，必要时需要停机检修。
[0031] 为了证明本发明所述方法的正确性，给出一个仿真算例和两个具体实例进一步说 明。
[0032] 仿真算例 构建一个齿轮振动信号的模型来模拟齿轮故障的发展过程。一般来说，齿轮故障信号 大体上包括两个部分：一部分是具有调幅调频特性的准周期信号，另一部分是噪声。由于 调幅调频信号总是可以近似写成几个更简单的准周期信号和的形式，因此为了研究方便起 见，这里使用一个简单的正弦信号来模拟这一部分。这样，齿轮振动信号可以简单地写成。
[0033] x"=sin[2 3i/in~l)/fs]+aXstc/valueXfFNn,n=l,2, 3,N〇
[0034] 其中勝"代表幅值